基于图像的车辆信息检测识别方法研究与实现开题报告

 2022-04-02 22:12:41

1. 研究目的与意义、国内外研究现状(文献综述)

近几十年来,随着人们的生活水平不断提高,私家车和公共交通工具的规模和数量也急剧增加,据数据统计,截至2020年底,中国的汽车数量已经达到了1.2亿。机动车在给人们带来经济利益和生活方便的同时,也社会和人带来了很多交通以及安全上的困扰,如交通阻塞,不遵守交规,甚至是盗窃或者套牌车辆等问题,因此,进一步加强车辆的自动化管理日趋重要。 车辆自动化管理体系[1]是基于车辆信息识别技术而产生的,而车辆自动识别技术是指当车辆通过某一特定的地点,如自动收费站,小区进出口等,系统自动识别出车辆本身最具代表车牌,随后采取一系列措施。这种识别技术广泛应用于公路和桥梁收费站,公路流量观测站,城市监控系统,停车场管理系统,港口和机场等车牌认证的实际交通系统中。这种技术能有效的进行车辆各种信息的采集,以提高交通系统的车辆监控和管理的自动化程度。

在传统的车辆识别技术中,车牌作为车辆的唯一“身份证”,其识别技术一直是人们研究的热点和重点。虽然现在许多停车场已经配备了车牌识别系统,但是一旦遇到暴雪和暴雨天气,或者车牌受到污损,有一定的概率会导致识别失效。而且在车辆被盗的时候,犯罪分子很可能进行牌照的更换,只应用车牌很难及时发现被盗车辆,所以我们应当寻求更多车辆信息识别功能,并且融合提高识别准确率。

各种实践证明单一的车牌识别并不能有效的达成车辆信息检测,车辆的车标也是很重要的信息之一,车标不仅可以识别出车辆厂商,而且可以根据车标定位大致识别出车辆的车型等,但是目前国内外针对车标识别的研究不是很多,主要原因是车标形状没有统一的模板,形状各异;汽车厂商数量巨大,数据库需要及时更新;车标金属材质,并且没有像车牌一样的反光处理,容易在夜间形成亮斑不方便识别。[2][3]

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容和问题

本课题主要运用图像处理相关知识和matlab环境进行研究,研究内容有如下几方面:

(1)对输入的数字图像采集及预处理工作;

(2)在原始灰度图像中进行车牌定位研究;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究的方法与方案

第一步,对车辆的车牌车标数字图像进行采集,由停车场或者高速的彩色相机抓拍到的图像。

第二步,图像预处理,对采集到的图像进行灰度化和二值化处理

第三步,对预处理图像进行滤波,因为车辆在运动时会有特殊干扰,如泥浆遮挡,或者运动模糊。进行滤波可以抑制噪声,便于边缘检测,特征提取。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 研究创新点

[1] 肖志红,高速公路不停车收费系统的研究与开发[J],计算机与信息技术.2007,3:71-74

[2]孙娟红,车标识别方法研究[D],辽宁:辽宁师范大学,2011

[3]童建军,车型识别研究[D],北京:中国科学院自动化研究所, 2005

[4]廉飞宇,范伊红,张元,ETC电子不停车收费的技术研究[J],计算机工程与应用,2007,209-219

[5] 陈红伟,公路不停车收费系统中的车辆识别[J],仪器仪表与分析检测研究所,2002,1:13-14

[6] 韩崇昭,朱红艳,段战胜等.多源信息融合[J].北京:清华大学出版社.2006,(2):140-150

[7]庄永,杨红雨,游志胜,一种快速车标定位方法[J],四川大学学报,2004,41(6):1167-1171

[8]李贵俊,刘正熙,游志胜,基于能量增强和形态学滤波的车标定位方法[J],光电子激光.2005,16(2):76-79

[9]陈阳,李定主.一种由粗到精的车标定位算法[J],电脑开发与应用.2007,(2):22-23-26

[10]童剑军,车型识别与智能交通[J].中国交通信息产业.2005.(11):23-25[11]李文举,梁德群,王新年,于东.基于纹理一致性测度的汽车车徽分割方法[M].计算机应用研究.2004,(10):141-142[12]周宇.运动车辆车标定位的四阶段法研究[N].重庆交通学院学报.2006,25(6):116-118

[13] James C. Bezdekand Sankar K.Pal,Fuzzy Models for Pattern Recognition[C],New York,IEEE,2012

[14] John Wiley Sons,Learning From Data,Concepts, Theory and Methods[J], NewYork,1997,3(2):11-12

[15] SajedRakhshani,EsmatRashedi,osseinNezamabadi-pour,Multimedia Tools and Applications[J],2020,19(2):19-20

5. 研究计划与进展

(1)2021年2月22日—2021年3月7日:收集信息,开题报告。

(2)2021年3月9日—2021年3月16日:熟悉matlab与python环境,深入学习学习模式识别,人工神经网络。

(3)2021年3月17日—2021年3月30日:编写车牌识别程序,实现车牌识别。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。